1. การถดถอยเชิงเส้นอย่างง่ายและสหสัมพันธ์
(Simple linear regression and correlation)
Miss.Phimmat Kalawong

2. หัวข้อ
บทนา1
การถดถอยเชิงเส้นอย่างง่าย2
การประมาณค่าพารามิเตอร์โดยวิธีกาลังสองน้อยที่สุด3
ค่าสัมประสิทธิ์การตัดสินใจ6
การทดสอบสมมติฐานในการวิเคราะห์ถดถอยเชิงเส้น5
ตัวอย่างงานวิจัย8
สหสัมพันธ์7
คุณสมบัติของตัวประมาณค่าโดยวิธีกาลังสองน้อยที่สุด4
การนาไปใช้ในงานวิจัยที่สนใจ9
-2-

3. การวิเคราะห์การถดถอยเชิงเส้นอย่างง่าย (Simple linear regression analysis)
1. บทนา
ตัวแปรอิสระ (Independent variable: x) และตัวแปรตาม (Dependent variable: y)
การวิเคราะห์ความสัมพันธ์ระหว่างตัวแปรสองตัว หรือมากกว่า
-3-
วิเคราะห์สหสัมพันธ์ (Correlation analysis)
การวิเคราะห์ว่าตัวแปร 2 ตัวแปรใด ๆ มีความสัมพันธ์หรือไม่นั้น สามารถใช้วิธีการด้านสถิติ
การวิเคราะห์ความถดถอย (Regression analysis)
หาก 2 ตัวแปรมีความสัมพันธ์กัน พบว่าตัวแปร x มีผลต่อตัวแปร y หากศึกษาวิธีการนาตัวแปร x
ใช้คาดคะเนผลที่อาจจะเกิดขึ้นได้ของตัวแปร y ด้วยวิธีการทางสถิติ
การวิเคราะห์การถดถอยเชิงเส้น (Linear regression analysis)
หากตัวแปรต่าง ๆ มีความสัมพันธ์กันในเชิงเส้นตรงจะ เรียกว่า

4. 2. การถดถอยเชิงเส้นอย่างง่าย
รูปที่ 1 แผนภาพการกระจายของการอัด(y) กับแรงดัน(x)
ตัวอย่าง ในการพัฒนาวัสดุแผ่นฉนวนชนิดใหม่ ต้องการคาดคะเนการอัด
(y: หน่วยเป็น 0.1 นิ้ว) ของแผ่นฉนวนหนา 2 นิ้ว ภายใต้แรงดัน (x: หน่วย
เป็น 10 ปอนด์/ตารางนิ้ว) ในระดับต่างๆ โดยทาการทดสอบชิ้นงาน 5 ชิ้น
ชิ้นงาน
(Specimen)
ความดัน
(Pressure)
การอัด
(Compression)
1 1 1
2 2 1
3 3 2
4 4 2
5 5 4
ตารางที่ 1 ข้อมูลการทดสอบวัสดุแผ่นฉนวน
การศึกษาความสัมพันธ์ระหว่างตัวแปรอิสระ (x) และตัว
แปรตาม (y) โดยจะศึกษาตัวแปรอิสระเพียงตัวเดียวที่มีผล
ต่อตัวแปรตาม
ใช้แผนภาพการกระจาย ในการวิเคราะห์ความสัมพันธ์
ความสัมพันธ์ของ 2 แปร และบนแผนภาพการกระจาย
แรงดัน (ตัวแปรอิสระ: x)
การอัด (ตัวแปรตาม: y) -4-

5. 2. การถดถอยเชิงเส้นอย่างง่าย (ต่อ)
ตัวแบบจาลองการถดถอยเชิงเส้นอย่างง่าย (Simple linear regression model)
โดย
ตัวแบบแสดงดังสมการ
0 1y x    
y
x
= ตัวแปรตาม (Dependent variable)
= ตัวแปรอิสระ (Independentvariable)
= ค่าความคลาดเคลื่อนสุ่ม (Random error)
= จุดตัดแกนบน y (y-intercept)
= ความชัน (Slope)

0
1
และ เป็นค่าพารามิเตอร์ที่ไม่ทราบค่า
เรียกว่า สัมประสิทธิ์การถดถอย (Regression coefficient)
0 1เมื่อ
-5-

6. 04 ความคลาดเคลื่อนกระจายตัวแบบอิสระ
ปราศจากอิทธิพลใดๆ
2. การถดถอยเชิงเส้นอย่างง่าย (ต่อ)
สมมติฐานเฉพาะเกี่ยวกับความคลาดเคลื่อน: ( )
01
การแจกแจงความน่าจะเป็นค่าเฉลี่ยของความ
คลาดเคลื่อนเท่ากับศูนย์นั้นคือ ค่าเฉลี่ยของ
ความคลาดเคลื่อนเท่ากับศูนย์
( ) 0E  
02 ความแปรปรวนการแจกแจงความน่าจะเป็น
คลาดเคลื่อนของตัวแปรอิสระ (x) นั้นมีค่าคงที่
ทั้งหมด หมายความว่าความแปรปรวนของความ
คลาดเคลื่อนสุ่มมีค่าคงที่เท่ากับ
2
( )V  
2

03 ค่าความคลาดเคลื่อน มีการแจกแจงความ
น่าจะแบบปกติ
~ N
-6-

7. 2. การถดถอยเชิงเส้นอย่างง่าย (ต่อ)
รูปที่ 2 เส้นสมมติของ 0 1(y)E x  
เมื่อ x เพิ่มขึ้น 1 หน่วย
y จะเปลี่ยนไป หน่วย1
ซึ่งในความเป็นจริงค่า , และ
ไม่สามารถระบุค่าได้จึงต้องทาการประมาณ
จากข้อมูลตัวอย่าง
1 0 2

0 1(y)E x  
เมื่อ
ค่าเฉลี่ยของเส้นถดถอย อยู่ในรูป
( ) 0E  
-7-

8. 3. การประมาณค่าพารามิเตอร์โดยวิธีกาลังสองน้อยที่สุด
รูปที่ 3 แผนภาพการเบี่ยงเบนจุดของข้อมูลกับเส้นถดถอย
3.1 การประมาณค่าจุดตัด และความชัน ( และ )0 1
เส้นที่เหมาะสม (Best-fitting line)
ประมาณค่า ( และ )
วิธีกาลังสองน้อยที่สุด
(Method of least squares)
0 1
ค่าผลรวมของผลต่าง ระหว่าง
ค่าของข้อมูลจริงกับเส้นสมมติ
มีค่าน้อยที่สุด
-8-

9. 3. การประมาณค่าพารามิเตอร์โดยวิธีกาลังสองน้อยที่สุด (ต่อ)
2 2
0 1
1 1
( )
n n
i i i
i i
L y x  
 
    
ค่าความคลาดเคลื่อน นั้นสามารถเป็นได้ทั้งค่าบวกและค่า
ลบ จึงต้องทาให้อยู่ในรูปผลรวมกาลังสองของความ
คลาดเคลื่อน (Sum of squaresfor error: L )
0 1
0 1
1ˆ ˆ0 ,
ˆ ˆ2 ( ) 0
n
i i
i
L
y x
 
 
 

    


0 1
0 1
1ˆ ˆ1 ,
ˆ ˆ2 ( ) 0
n
i i i
i
L
y x x
 
 
 

    


การประมาณค่า และ เขียนแทนด้วย และ
โดยวิธีกาลังสองน้อยที่สุด ด้วยการหาค่าอนุพันธ์เชิงส่วน
เทียบกับ และ แล้วกาหนดให้สมการเท่ากับศูนย์
0 1 1
ˆ0
ˆ
0 1
สามารถคานวณหาค่าจุดตัดแกนและความชัน ได้ดังนี้
0 1
ˆ ˆy x   (1)
1 1
1
1 2
2 1
1
ˆ
n n
i in
i i
i i
i
n
in
i
i
i
y x
y x
n
x
x
n

 



  
  
  

 
 
 
 



(2)
0 1
1 1
ˆ ˆ
n n
i i
i i
n x y 
 
  
2
0 1
1 1 1
ˆ ˆ
n n n
i i i i
i i i
x x y x 
  
   
เมื่อจัดรูปสมการทั้งสองใหม่จะได้รูปสมการปกติ คือ
-9-

10. 3. การประมาณค่าพารามิเตอร์โดยวิธีกาลังสองน้อยที่สุด (ต่อ)
ดังนั้น เส้นประมาณการถดถอยที่เหมาะสม คือจากสมการหาความชัน นาแสดงใหม่โดยใช้
สัญลักษณ์แทนได้ดังนี้
1
ˆ( )
2
12 2
1 1
( )
n
in n
i
xx i i i
i i
x
S x x x
n

 
 
 
    

 
1 1
1 1
( )( )
n n
i in n
i i
xy i i i i
i i
x y
S y y x x x y
n
 
 
  
  
      
 
 
1
ˆ xy
xx
S
S
  (3)
0 1
ˆ ˆˆ iy x   (4)
สาหรับ แต่ละคู่ลาดับของข้อมูล(x, y) ที่ได้จากการ
สังเกตจริง แสดงดังสมการต่อไปนี้
0 1
ˆ ˆˆi i iy x e    i = 1,2,…,n
โดยที่ เรียกว่า ค่าเรสซิดวล (Residual)
หรือค่าความคลาดเคลื่อน
ˆi ie y y 
-10-

11. 3. การประมาณค่าพารามิเตอร์โดยวิธีกาลังสองน้อยที่สุด (ต่อ)
3.2 การประมาณค่าความแปรปรวน: 2

รูปที่ 4 ตัวอย่างความแปรปรวนของข้อมูล
การประมาณค่าความแปรปรวนโดยที่เรสซิดวล ถูกใช้เพื่อให้ได้ค่าประมาณ
ซึ่งค่าเรสซิดวลจะมีค่าเป็นไปได้ทั้งบวกและลบ จึงต้องกาหนดค่าให้อยู่ในรูปของ
ผลรวมกาลังสองของเรสซิดวล (Error sum of squares: )
2
1
n
E i
i
SS e

  2
1
ˆ( )
n
i
i
y y

 
โดยองศาอิสระ (Degrees of freedom) คือ
ค่าเฉลี่ยของผลรวมกาลังสองของเรสซิดวล คือ 2
ˆ( ) ( 2)EE SS n  
ดังนั้น ค่าประมาณความแปรปรวนของเรสซิดวลที่ไม่เอนเอียง คือ
ESS
2

2n 
2 2
ˆ
2
E
E
SS
MS S
n
   
 (5)
2
ˆ
2
ˆ
สมการถดถอยที่ประมาณได้นี้มีความเหมาะสมน้อย
สมการถดถอยที่ประมาณได้นี้มีความเหมาะสมมาก -11-

12. ตัวอย่าง
ตัวอย่างที่ 1 โรงงานผลิตกระดาษเพื่อใช้ทากล่องบรรจุชิ้นงานด้านอุตสาหกรรม ทาการศึกษาข้อมูลระหว่าง ค่าความต้านทานต่อการ
ฉีกขาดของกระดาษ (y: หน่วยเป็น 10 นิวตัน/ตารางมิลลิเมตร) กับเปอร์เซ็นต์ของกาวอัด (x) ที่ใช้เป็นส่วนผสมในการผลิตกระดาษ
โดยสุ่มเก็บรวบรวมข้อมูล มา 10 ตัวอย่างดังนี้คือ
ตัวอย่างที่ 1 2 3 4 5 6 7 8 9 10
x 1.6 1.5 1.5 1.4 2.0 2.0 2.2 2.4 2.5 2.5
y 10.1 11.7 11.7 11.5 13.1 13.2 14.2 14.0 13.7 14.1
จากข้อมูลข้างต้น หากต้องการทราบความสัมพันธ์ระหว่างกับเปอร์เซ็นต์ของกาวอัดที่ใช้เป็นส่วนผสมในการผลิต
กระดาษ กับความต้านทานต่อการฉีกขาดของกระดาษ จะทาการพิจารณาตัวแบบเชิงเส้นอย่างง่ายดังต่อไปนี้
0 1y x    
โดยที่
x = เปอร์เซ็นต์ของกาวอัดที่ใช้เป็นส่วนผสมในการผลิตกระดาษ (ตัวแปรอิสระ)
y = ค่าความต้านทานต่อการฉีกขาดของกระดาษ (ตัวแปรตาม)
-12-

13. ตัวอย่าง (ต่อ)
รูปที่ 5 แผนภาพการกระจายของค่าความต้านทานต่อการฉีกขาดของกระดาษ(y)
กับเปอร์เซ็นต์กาวอัด (x)
เมื่อ x มีค่าสูงขึ้น y จะมีค่าสูงขึ้นด้วย
การใช้ค่าของข้อมูลวิเคราะห์ความสัมพันธ์ของตัวแปรต้นและตัว
แปรตาม ซึ่งมีข้อมูลดังต่อไปนี้
10n 
10
1
19.60i
i
x


10
1
127.30i
i
y


10
1
254.30i i
i
y x


10
2
1
40.12i
i
x


10
2
1
1638.03
i
y

 1.96x 12.73y 
คานวณค่าสัมประสิทธิ์ของสมการถดถอยเชิงเส้นอย่างง่าย
 
210
2
10
12
1
19.60
40.12 1.704
10
i
i
xx i
i
x
S x
n


 
 
     


  
10 10
10
1 1
1
19.60 127.30
254.3 4.7
10
0 92
i i
i i
xy i i
i
x y
S x y
n
 

  
  
      
 

ค่าความชัน และค่าจุดตัด
1
4.792ˆ 2.812
1.704
xy
xx
S
S
   
0 1
ˆ ˆ 12.73 (2.812 1.96) 7.218y x      
-13-

14. ตัวอย่าง (ต่อ)
รูปที่ 6 พล็อตของสมการถดถอยเชิงเส้นของตัวอย่างที่ 1
จากสมการถดถอยที่ได้อธิบายได้ว่า เมื่อ
จะได้ หมายความว่าถ้าไม่มี
อิทธิพลของกาวอัดเลย ค่าความต้านทานต่อการฉีกขาด
ของกระดาษจะเท่ากับ 72. 18 นิวตันต่อตารางมิลลิเมตร
(เนื่องจากหน่วยของค่าความต้านทานในตัวอย่างที่ 1
เท่ากับ 10 นิวตันต่อตารางมิลลิเมตร ดังนั้น
ˆ 7.218 2.812y x 
ดังนั้น สมการถดถอยเชิงเส้นอย่างง่ายที่ประมาณได้
0x 
ˆ 7.218 2.812(0) 7.218y   
7.218 10 72.18 
-14-

15. ตัวอย่าง (ต่อ)
ตัวอย่างที่ x y
1 1.60 10.10 11.72 -1.62 2.62
2 1.50 11.70 11.44 0.26 0.07
3 1.50 11.70 11.44 0.26 0.07
4 1.40 11.50 11.16 0.34 0.12
5 2.00 13.10 12.84 0.26 0.07
6 2.00 13.20 12.84 0.36 0.13
7 2.20 14.20 13.40 0.80 0.63
8 2.40 14.00 13.97 0.03 0.00
9 2.50 13.70 14.25 -0.55 0.30
10 2.50 14.10 14.25 -0.15 0.02
ผลรวม 19.60 127.30 127.30 0.00 4.02
ieˆiy 2
ie
ตารางที่ 2 ข้อมูลความคลาดเคลื่อนที่เกิดขึ้นจากตัวแบบและค่าสังเกตจากตัวอย่าง
ค่าความต้านทานต่อการฉีกขาดของกระดาษ แสดงดังนี้
ค่าประมาณความแปรปรวนของเรสซิดวล
2
2
2 1 (4.02)
ˆ 0.503
2 10 2
n
i
i
e
n
 
  
 

สามารถคานวณได้ดังนี้
-15-

16. ดังนั้น และ คือค่าประมาณที่ไม่เอนเอียงในตัวแบบการถดถอยเชิงเส้น
4. คุณสมบัติของตัวประมาณค่าโดยวิธีกาลังสองน้อยที่สุด
( ) 0E  
2
( )V  
คุณสมบัติทางสถิติของค่าประมาณพารามิเตอร์ และ
ของตัวแบบความสัมพันธ์เชิงเส้นด้วยวิธีกาลังสองน้อยที่สุด อธิบายได้
จากข้อสมมติฐานของความคลาดเคลื่อน
0 1
 1 1
ˆE  
ค่าเฉลี่ยของความชันและจุดตัด คือ
ค่าความแปรปรวนความชันและจุดตัด คือ
 
2
1
ˆ
xx
V
S

 
 0 0
ˆE  
 
2
2
0
1ˆ
xx
x
V
n S
 
 
  
 
ประมาณการความแปรปรวนของความชันและ
จุดตัด ผลจากการคานวณหารากที่สองของความแปรปรวน
เรียกว่า ความคลาดเคลื่อนมาตรฐานโดยประมาณ (Estimated
standard error) ของความชันและจุดตัด หาได้จาก
โดยที่ค่าความคลาดเคลื่อนมาตรฐานโดยประมาณเป็นค่าที่
ใช้ในการวัดความถูกต้องแม่นยาของการประมาณค่าสัมประสิทธิ์
ตัวแบบความสัมพันธ์ด้วยวิธีกาลังสองน้อยที่สุด นั่นคือค่าความ
คลาดเคลื่อนยิ่งน้อยยิ่งดีนั่นเอง1
ˆ 0
ˆ
 
2
1
ˆˆ
xx
se
S

  (6)
 
2
2
0
1ˆ ˆ
xx
x
se
n S
   (7)
-16-

17. 5. การทดสอบสมมติฐานในการวิเคราะห์ถดถอยเชิงเส้น
5.1 การทดสอบสมมติฐานโดยการใช้ t-Test
การทดสอบสมมติฐานว่าความชัน เท่ากับค่าคงที่ สมมติฐานคือ
โดยที่ ตัวสถิติทดสอบความชัน ใช้การทดสอบแบบที
0 1 1,0:H  
1 1 1,0:H  
ซึ่งการแจกแจงแบบทีด้วยองศาอิสระ
จะปฏิเสธสมมติฐานหลัก เมื่อ 0 2, 2nt t 
2n
การวิเคราะห์ความเหมาะสมของตัวแบบถดถอยเชิงเส้นต้องทาการทดสอบสมมติฐานทางสถิติของค่าความชันและจุดตัดก่อนนาไปใช้
โดยมีข้อสมมติฐานคือ ความคลาดเคลื่อนกระจายตัวแบบอิสระ, , และ~ N ( ) 0E   2
( )V  
-17-
 
1 1,0 1 1,0
0 2
1
ˆ ˆ
ˆˆ xx
T
seS
   

 
  (8)
0 2, 2nt t 
การทดสอบสมมติฐานของจุดตัด
ปฏิเสธสมมติฐานหลักเมื่อ
 
0 0,0 0 0,0
0
2
02
ˆ ˆ
ˆ1
ˆ
xx
T
sex
n S
   


 
 
 
 
 
(9)

18. 5. การทดสอบสมมติฐานในการวิเคราะห์ถดถอยเชิงเส้น (ต่อ)
5.1 การทดสอบสมมติฐานโดยการใช้ t-Test
0 1: 0H  
1 1: 0H  
โดยการทดสอบสมมติฐานนั้นมีความสาคัญ เนื่องเป็นการทดสอบเพื่อศึกษานัยสาคัญของความสัมพันธ์มีสมมติฐานคือ
(ไม่มีความสัมพันธ์ระหว่าง x และ y)
(มีความสัมพันธ์ระหว่าง x และ y)
รูปที่ 7 ไม่ปฏิเสธสมมติฐานหลัก (ไม่มีความสัมพันธ์ระหว่าง x และ y)0 1: 0H   รูปที่ 8 ปฏิเสธสมมติฐานหลัก (มีความสัมพันธ์ระหว่าง x และ y)
ค่าแปรปรวนน้อย ค่าแปรปรวนของข้อมูลมาก
0 1: 0H  
ดังนั้น การปฏิเสธสมมติฐานหลัก อาจหมายถึงว่ารูปแบบความสัมพันธ์เชิงตรงนั้นมีความเหมาะสม ดังรูปที่ 8 (a)
-18-

19. 5. การทดสอบสมมติฐานในการวิเคราะห์ถดถอยเชิงเส้น (ต่อ)
5.2 การทดสอบสมมติฐานโดยใช้การวิเคราะห์ความแปรปรวน
เป็นการวิเคราะห์ความแปรปรวนที่ใช้เพื่อทดสอบนัยสาคัญของการ
ถดถอย ซึ่งการวิเคราะห์ความแปรปรวนมีดังนี้
2 2 2
1 1 1
ˆ ˆ( ) ( ) ( )
n n n
i i i i
i i i
y y y y y y
  
      
2
1
ˆ( )
n
R i
i
SS y y

 
2
1
ˆ( )
n
E i i
i
SS y y

 
ผลรวมกาลังสองของความคลาดเคลื่อนจากการถดถอย
(Regression sum of squares)
ผลรวมกาลังสองของความคลาดเคลื่อน
(Error sum of squares)
เขียนสมการใหม่ได้ว่า
โดยที่
2
1
( )
n
T i
i
SS y y

 
2
12
1
n
in
i
i
i
y
y
n


 
 
  


-19-
T R ESS SS SS  (10)
1
ˆ
R xySS S (11)
E T RSS SS SS  (12)

20. 5. การทดสอบสมมติฐานในการวิเคราะห์ถดถอยเชิงเส้น (ต่อ)
5.2 การทดสอบสมมติฐานโดยใช้การวิเคราะห์ความแปรปรวน
ตัวสถิติที่ใช้ในการทดสอบ คือ
0
1
( 2)
R R
E E
SS MS
F
SS n MS
 

ซึ่งการแจกแจงแบบเอฟ ด้วยองศาอิสระ จะปฏิเสธสมมติฐานหลัก ถ้า พบว่าค่าสถิติเอฟ
ที่ได้จากการคานวณมากกว่าค่าที่เกิดจากการเปิดตารางเอฟ
2n 0 ,1, 2nF f 
แหล่งที่มา
(Source of variation)
ผลบวกกาลังสอง
(Sum of Squares)
องศาอิสระ
(Degrees of
Freedom)
ค่าเฉลี่ย
(Mean
Square)
ค่าสถิติ
0( )F
ตัวแบบ (Regression) RSS 1 RMS 0 R EF MS MS
ค่าความคลาดเคลื่อน (Error) ESS 2n  EMS
ทั้งหมด (Total) TSS 1n 
ตารางที่ 3 การวิเคราะห์ความแปรปรวนของการทดสอบนัยสาคัญการถดถอย
-20-
(13)

21. ตัวอย่าง
ตัวอย่างที่ 2 จากตัวอย่างที่ 1 ทดสอบสมมติฐานว่าความสัมพันธ์ของความต้านทานต่อการฉีกขาดของกระดาษกับเปอร์เซ็นต์ของกาวอัดที่ใช้
เป็นส่วนผสมในการผลิตกระดาษเป็นแบบเชิงเส้นที่ระดับนัยสาคัญ 5% หรือไม่
สมการถดถอยเชิงเส้นอย่างง่ายที่ได้จากตัวอย่างที่ 1 คือ ˆ 7.218 2.812y x 
การทดสอบสมมติฐานโดยการใช้ t-Test
10n  1
ˆ 2.812  1.704xxS  2
ˆ 0.503 
สมมติฐาน
0 1: 0H  
1 1: 0H  
(ไม่มีความสัมพันธ์ระหว่าง x และ y)
(มีความสัมพันธ์ระหว่าง x และ y)
0.05 
2
1 1,0
0
ˆ ˆ 0 2.812
5.176
0.503
1.704
ˆ
xx
T
S


  
   ตัวสถิติทดสอบ
ปฏิเสธ ถ้า0H 0 0.025,8 2.306T t 
0.0250.025
0.025,8 2.306t   0.025,8 2.306t 
สรุป เนื่องจาก ดังนั้น ปฏิเสธ
ที่ระดับนัยสาคัญ 0.05 มีหลักฐานแสดงว่า ค่าความต้านทานต่อการฉีก
ขาดของกระดาษมีความสัมพันธ์เชิงเส้นกับเปอร์เซ็นต์ของกาวอัดที่ใช้
เป็นส่วนผสมในการผลิตกระดาษ
0 0.025,8( 5.176) 2.306T t   0 1: 0H  
-21-

22. 0.05
0.05,1,8 5.32f 
ตัวอย่าง (ต่อ)
ทดสอบสมมติฐานโดยใช้การวิเคราะห์ความแปรปรวน
10n 
10
1
127.30i
i
y


10
2
1
1638.03
i
y

 12.73y 
ˆ 127.3iy  1
ˆ 2.812  4.792xyS 
สมมติฐาน
0 1: 0H  
1 1: 0H  
(ไม่มีความสัมพันธ์ระหว่าง x และ y)
(มีความสัมพันธ์ระหว่าง x และ y)
0.05 
2
1
ˆ( ) 4.02
n
E i i
i
SS y y

  
1
ˆ 2.812 4.792 13.475R xySS S   
2
2
12
1
127.3
1638.03 17.501
10
n
in
i
T i
i
y
SS y
n


 
 
     


13.475
13.475
1 1
R
R
SS
MS   
4.02
0.503
( 2) 10 2
E
E
SS
MS
n
  
 
0
13.475
26.78
0.5025
R
E
MS
F
MS
  
0 ,1, 2nF f ปฏิเสธ ถ้า0H
0 0.05,1,8( 5.32)F f 
-22-

23. แหล่งที่มา
(Source of variation)
ผลบวกกาลังสอง
(Sum of
Squares)
องศาอิสระ
(Degrees of
Freedom)
ค่าเฉลี่ย
(Mean
Square)
ค่าสถิติ
0( )F
ตัวแบบ (Regression) 13.475 1 13.475 26.78
ค่าความคลาดเคลื่อน (Error) 4.020 8 0.503
ทั้งหมด (Total) 17.501 9
ตัวอย่าง (ต่อ)
สรุป เนื่องจาก ดังนั้นปฏิเสธ ที่ระดับนัยสาคัญ 0.05 มี
หลักฐานแสดงว่า ค่าความต้านทานต่อการฉีกขาดของกระดาษมีความสัมพันธ์เชิงเส้นกับเปอร์เซ็นต์ของกาว
อัดที่ใช้เป็นส่วนผสมในการผลิตกระดาษ
0 0.05,1,8( 26.78) ( 5.32)F f   0 1: 0H  
-23-

24. สมการถดถอยสามารถพยากรณ์ค่าของตัวแปรตาม (Y) ได้ดีมากยิ่งขึ้น
สมการถดถอยพยากรณ์ค่าของตัวแปรตาม (Y) ได้ไม่ดี
(เนื่องจากตัวแปรตามและตัวแปรอิสระมีความสัมพันธ์กันน้อย)
6. ค่าสัมประสิทธิ์การตัดสินใจ
สมการถดถอยที่ใช้ในการพยากรณ์นี้อาจพยากรณ์ค่าตัวแปรตาม (Y) ได้ดีหรือไม่ดีก็ได้ โดยที่ ค่าสัมประสิทธิ์การตัดสินใจ (Coefficient
of Determination; ) เป็นค่ายกกาลังสองของค่าสัมประสิทธิ์สหสัมพันธ์ระหว่างตัวแปรสุ่ม X และ Y ซึ่งค่าสัมประสิทธิ์การตัดสินใจนี้เป็น
ค่าที่ใช้บอกเปอร์เซ็นต์การเปลี่ยนแปลงของตัวแปรตาม (Y) ที่สามารถอธิบายได้ด้วยตัวแปรอิสระ (X) ในสมการถดถอย
2
R
2 2 1
1
ˆ
ˆ XX XY R
T T T
S S SS
R
SS SS SS

  
โดยที่ ค่า จะมีค่าอยู่ระหว่าง 0 ถึง 12
R
ค่าสัมประสิทธิ์การตัดสินใจ: 2
R
2
R
2
R
(14)
-24-

25. ตัวอย่าง
ตัวอย่างที่ 3 สมการถดถอยเชิงเส้นอย่างง่ายที่ได้ คือ คานวณค่าสัมประสิทธิ์ของการตัดสินใจ
จากมูลในตัวอย่างที่ 2 ได้ค่าต่าง ๆ ดังนี้ และ
ˆ 7.218 2.812y x 
13.475RSS  17.501TSS 
2 13.475
0.77
17.501
R
T
SS
R
SS
  
สรุปได้ว่า ค่า หมายความว่าค่าความต้านทานต่อการฉีกขาดของกระดาษขึ้นอยู่กับเปอร์เซ็นต์
ของกาวอัดประมาณ 77% ส่วนอีก 23% จะขึ้นอยู่กับปัจจัยอื่น ๆ ที่ไม่ได้นามาศึกษาหรือสมการถดถอย
สามารถพยากรณ์ค่าค่าความต้านทานต่อการฉีกขาดของกระดาษได้ถูกต้อง 77%
2
0.77R 
ˆ 7.218 2.812y x 
-25-

26. 7. สหสัมพันธ์
สมมติว่า การแจกแจงร่วมของ และ เป็นการแจกแจงแบบปกติของสองตัวแปรสุ่ม (Bivariatenormal distribution)
โดยมีค่าเฉลี่ยของตัวแปรคือ และ ความแปรปรวนของตัวแปรคือ และ และกาหนดให้ คือสัมประสิทธิ์
สหสัมพันธ์ระหว่างตัวแปร X และ Y ได้ว่า
iX iY
X Y 2
X 2
Y 
• สหสัมพันธ์เป็นการศึกษาความสัมพันธ์ระหว่างตัวแปรสุ่ม
• ใช้สาหรับการทดสอบความสัมพันธ์เชิงเส้นตรง
• สามารถระบุระดับความสัมพันธ์ได้ เช่น สูงกับน้าหนักว่ามีความสัมพันธ์กันมากหรือน้อย
• สามารถระบุทิศทางความสัมพันธ์ได้ เช่น สูงกับน้าหนักมีความสัมพันธ์ในทิศทางเดียวกันหรือตรงกันข้าม
• ตรวจสอบด้วยการใช้แผนภาพการกระจายและค่าสัมประสิทธิ์สหสัมพันธ์ (correlation coefficient)
การวิเคราะห์สหสัมพันธ์
XY
X Y


 

โดยที่ คือความแปรปรวนร่วมระหว่าง X และ YXY
-26-

27. 7. สหสัมพันธ์ (ต่อ)
1
1 2 1 2
2 2
1 1
( )
ˆ
( SS )
( ) (Y )
n
i i
i XY
n n
XX T
i i
i i
Y X X
S
R
S
X X Y
 
 

  
 
  
 

 
โดยการประมาณของสัมประสิทธิ์สหสัมพันธ์อย่างง่าย (Sample Correlation Coefficient: R)
1. ค่าของ R ไม่ได้ขึ้นอยู่กับการศึกษาภายใต้ตัวแปรสองตัว
2. ค่า R เป็นอิสระจากการตรวจวัดของ x และ y
3. ค่า R จะ มีค่าอยู่ในช่วง
4. R = 1 เมื่อ x มีค่ามาก y มีค่ามาก หรือเมื่อ x มีค่าน้อย y มีค่าน้อย (มีความสัมพันธ์เชิงเส้นเชิงบวก)
R = -1 เมื่อ x มีค่ามาก y มีค่าน้อย หรือเมื่อ x มีค่าน้อย y มีค่ามาก (มีความสัมพันธ์เชิงเส้นเชิงลบ)
5. ค่ายกกาลังสองของค่าสัมประสิทธิ์สหสัมพันธ์เป็นค่าค่าสัมประสิทธิ์การตัดสินใจ:
คุณสมบัติที่สาคัญที่สุดของ R คือ:
1 1R  
2
R
-27-
(15)

28. 7. สหสัมพันธ์ (ต่อ)
รูปที่ 9 แผนภาพการกระจายของข้อมูลอธิบายค่า R
ซึ่งการตรวจสอบความสัมพันธ์ ทาการตรวจสอบโดย
แผนภาพกระจายข้อมูล รูปที่ 9 แสดงสถานการณ์ที่เป็นไปได้
สาหรับค่าของ R
•รูปที่ 9 (a) R>1 ความสัมพันธ์เชิงเส้น มีความชันเป็นบวก
•รูปที่ 9 (b) R<1 ความสัมพันธ์เชิงเส้น มีความชันเป็นลบ
•รูปที่ 9 (c) R=0 ไม่เป็นความสัมพันธ์เชิงเส้นโค้ง
•รูปที่ 9 (d) R=0 แสดงให้เห็นความสัมพันธ์ระหว่าง
x และ y ซึ่งเป็นความสัมพันธ์เชิงเส้นโค้ง
จะเห็นได้ว่า R=0 จะไม่มีความสัมพันธ์เชิงเส้นระหว่าง x และ y
ดังนั้น การพิจารณาข้อมูลด้วยแผนภาพการกระจายจึงเป็นสิ่งที่
มีความสาคัญ
-28-

29. ตัวอย่าง
ตัวอย่างที่ 4 จงหาค่าสัมประสิทธิ์สหสัมพันธ์ระหว่างค่าความต้านทานต่อการฉีกขาดของกระดาษและเปอร์เซ็นต์
กาวอัด จากข้อมูลในตัวอย่างที่ 1 และ2 ได้ค่าต่าง ๆ ดังนี้
1 2 1 2
4.792
ˆ 0.878
( SS ) (1.704 17.501)
XY
XX T
S
R
S
    

ดังนั้น ค่า R=0.878 นี้หมายความว่าค่าความต้านทานต่อการฉีกขาดของกระดาษและเปอร์เซ็นต์ของกาวอัด
มีความสัมพันธ์กันสูงประมาณ 87. 8% และเนื่องจากค่า R เป็นบวกจะแสดงว่ามีความสัมพันธ์กันในทิศทาง
เดียวกัน คือถ้าเปอร์เซ็นต์กาวอัดมีค่าสูงค่าความต้านทานต่อการฉีกขาดของกระดาษก็จะสูงตามไปด้วยและ
ในทางตรงกันข้ามถ้าเปอร์เซ็นต์กาวอัดมีค่าต่าค่าความต้านทานต่อการฉีกขาดของกระดาษก็จะต่าตามไปด้วย
4.792xyS  1.704xxS  17.501TSS 
-29-

30. สรุป
-30-
สหสัมพันธ์
(Correlation)
การถดถอยเชิงเส้นอย่างง่าย
(Simple linear regression)
จุดมุ่งหมาย การศึกษาความสัมพันธ์ระหว่างตัวแปรสุ่ม หาเส้นที่เหมาะสมที่สุดในการทานาย Y
ตัวแปร2ตัว ไม่คานึงถึงปัจจัยสาเหตุและผลกระทบ Xเป็นสาเหตุ และYให้เป็นผลกระทบ
ตรวจสอบ
ค่าสัมประสิทธิ์สหสัมพันธ์
(มีค่าอยู่ในช่วง -1 ถึง 1)
ค่าสัมประสิทธิ์การตัดสินใจ
(มีค่าอยู่ระหว่าง 0 ถึง 1)

31. 8. ตัวอย่างงานวิจัย
Title: Prediction of Maintenance Material Consumption for Aviation Equipment Using Linear Regression Model
Authors:Yan-ming YANG, Yue TENG and Rui-li ZHANG
1.วัตถุประสงค์ของการวิจัย
การพยากรณ์ปริมาณการใช้วัสดุในการบารุงรักษาอุปกรณ์การบินเป็นสิ่งที่มีความสาคัญ และช่วย
ในการตัดสินใจการใช้ประโยชน์จากทรัพยากรที่มีอยู่เพื่อปรับปรุงความสามารถในการบารุงรักษา ใน
งานวิจัยนี้มุ่งเน้นไปที่ปัจจัยหลักที่มีอิทธิพลต่อการใช้วัสดุในการบารุงรักษาอุปกรณ์การบิน โดยใช้
แบบจาลองการทานายถดถอยเชิงเส้นของการใช้วัสดุในการบารุงรักษาอุปกรณ์ สร้างขึ้นโดยใช้ข้อมูล
ตัวอย่างที่เกิดขึ้นจริง บนพื้นฐานการวิเคราะห์จากตัวอย่าง วิธีการถดถอยเชิงเส้นอย่างง่ายใช้ในการ
ทานาย และการทดสอบการใช้วัสดุในการบารุงรักษาอุปกรณ์การบิน
-31-

32. 8. ตัวอย่างงานวิจัย (ต่อ)
2.ขั้นตอนการวิจัย
2.1 เก็บสถิติข้อมูล
เก็บสถิติข้อมูลรายเดือนของชั่วโมงการบิน แสดงดังในตารางที่ 4 และข้อมูลของการใช้วัสดุในการ
บารุงรักษา แสดงดังในตารางที่ 5 ในปี ค.ศ. 2015-2016 เป็นเวลาสองปี สร้างแบบจาลองการถดถอยเชิงเส้นอย่าง
ง่าย เพื่อทานายปริมาณการใช้วัสดุในการบารุงรักษา
ตารางที่ 4 ชั่วโมงบินของเครื่องบิน ในปี ค.ศ. 2015-2016
ตารางที่ 5 ปริมาณการใช้วัสดุบารุงรักษาเครื่องบินในปี ค.ศ. 2015-2016
-32-

33. 2.2 แบบจาลองการถดถอย
งานวิจัยนี้เลือกแบบจาลองการถดถอยเชิงเส้นอย่างง่ายที่อยู่บนพื้นฐานการประมาณความสัมพันธ์เชิงเส้น
ระหว่างตัวแปรอิสระ และตัวแปรตาม สร้างสมการเชิงเส้นเพื่อทานาย ตัวแบบจาลองการถดถอยเชิงเส้นอย่างง่าย คือ
y a bx 
โดยกาหนดให้ y คือ ปริมาณการใช้วัสดุในการบารุงรักษาเครื่องบิน (ตัวแปรตาม)
x คือ ชั่วโมงบินของเครื่องบิน (ตัวแปรอิสระ)
a คือ จุดตัดแกนบน y (สัมประสิทธิ์การถดถอย)
b คือ ความชัน (สัมประสิทธิ์การถดถอย)
โดยการประมาณค่าสัมประสิทธิ์การถดถอย (a, b) และทาการทดสอบแบบจาลองการถดถอยโดยการทดสอบการ
ประมาณค่าความแปรปรวน และการทดสอบสัมประสิทธิ์สหสัมพันธ์โดยใช้ระดับนัยสาคัญ 0.05 ในการตรวจสอบ
8. ตัวอย่างงานวิจัย (ต่อ)
-33-

34. 8. ตัวอย่างงานวิจัย (ต่อ)
3. ผลการวิจัย ใช้ซอฟต์แวร์ Minitab ในการวิเคราะห์การถดถอย แสดงดังรูปที่ 10 สมการถดถอยเชิงเส้นอย่างง่ายที่
ได้คือ 4.173 0.09901y x 
รูปที่ 10 พล็อตเส้นถดถอยของสายชั่วโมงของเครื่องบิน และปริมาณการใช้วัสดุในการบารุงรักษาหลัก
-34-

35. 8. ตัวอย่างงานวิจัย (ต่อ)
3.1 การทดสอบนัยสาคัญของสมการถดถอย การวิเคราะห์ผลในตาราง ANOVA ตารางที่ 5 การวิเคราะห์ผล
ในตาราง ANOVA กาหนดระดับนัยสาคัญที่ 0.05 หรือที่ระดับความเชื่อมั่น 95 % โดยในงานวิจัยนี้ได้ใช้โปรแกรม
Mimitab ช่วยในการวิเคราะห์ จึงใช้ค่า P-value เป็นตัวช่วยในการตัดสินใจ เพราะค่า P-value คือระดับนัยสาคัญที่
น้อยที่สุดหรือโอกาสที่น้อยที่สุดที่จะสามารถปฎิเสธสมมติฐานหลัก จะเห็นได้ว่าค่า เนื่องจาก
ดังนั้น ปัจจัยอื่นๆ ไม่มีผลกระทบต่อปริมาณการใช้วัสดุในการบารุงรักษาเครื่องบิน อย่างมี
นัยสาคัญ สมการการถดถอยโดยรวมจึงมีประสิทธิภาพอย่างมาก
ตารางที่ 5 การวิเคราะห์ความแปรปรวน
0.000P 
( 0.05) ( 0.00)P   
-35-

36. 8. ตัวอย่างงานวิจัย (ต่อ)
3.2 การวัดของผลรวมของผลกระทบสมการการถดถอย ตารางที่ 6 R-Sq คือ 91.24% แสดงให้เห็นว่า ปริมาณ
การใช้วัสดุในการบารุงรักษาเครื่องบินขึ้นอยู่กับชั่วโมงการบิน ประมาณ 91.24% ส่วนอีก 8.76% จะขึ้นอยู่กับปัจจัย
อื่น ๆ ดังนั้นเส้นถดถอยสามารถอธิบายความสัมพันธ์เชิงเส้นได้ 91.24% สามารถพยากรณ์การใช้วัสดุในการ
บารุงรักษาเครื่องบิน (y) ได้ถูกต้อง 91.24% ดังนั้นการตัวแบบถดถอยที่ได้ จึงให้ผลที่ดี
ตารางที่ 6 สรุปผลของแบบจาลองถดถอย
-36-

37. 8. ตัวอย่างงานวิจัย (ต่อ)
สมมติฐาน
0 1: 0H   1 1: 0H  (ไม่มีความสัมพันธ์ระหว่าง x และ y) (มีความสัมพันธ์ระหว่าง x และ y) 0.05 
3.3 การทดสอบนัยสาคัญของสัมประสิทธิ์การถดถอย ตารางที่ 7 แสดงให้เห็นว่า สัมประสิทธิ์ชั่วโมงบินของ
เครื่องบิน (ตัวแปรอิสระ x) โดยเกณฑ์ในการปฏิเสธสมมติฐานหลัก โดยใช้ค่าพี คือ จะปฎิเสธ เมื่อระดับ
นัยสาคัญมากกว่าเท่ากับค่าพี P Value  
0H
ตารางที่ 7 สัมประสิทธิ์
ในตารางที่ 7 จะเห็นได้ว่า เนื่องจาก ดังนั้นปฏิเสธ แสดงว่า
ปริมาณการใช้วัสดุในการบารุงรักษาเครื่องบินมีความสัมพันธ์เชิงเส้นกับชั่วโมงบินของเครื่องบิน ซึ่งบ่งชี้ว่าชั่วโมงบิน
ของเครื่องบินเป็นปัจจัยที่มีนัยสาคัญ
0.000P  ( 0.05) ( 0.00)P    0 1: 0H  
4.173 0.09901y x 
-37-

38. 8. ตัวอย่างงานวิจัย (ต่อ)
3.4 การวิเคราะห์เรสซิดวล เพื่อตรวจสอบความเหมาะสมของตัวแบบถดถอยและANOVA การตรวจสอบพล็อตจะช่วยให้
ทราบว่า ข้อสมมติกาลังสองน้อยที่สุดเป็นไปตามเงื่อนไขหรือไม่ หากสมมติฐานเป็นไปตามเงื่อนไข จากนั้นการถดถอยกาลัง
สองน้อยสุด จะประมาณค่าสัมประสิทธิ์ที่ไม่เอนเอียงที่มีความแปรปรวนน้อยที่สุด ใช้ Minitab พล็อตเรสซิดวล (ดังแสดงในรูป
ที่ 11)
รูปที่ 11 พล็อตเรสซิดวลของชั่วโมงบินเครื่องบินและการใช้วัสดุในการบารุงรักษาหลัก -38-
• เรสซิดวลแปรผันแบบสุ่ม และเป็นอิสระจากกัน
• รูปที่ 11 (ขวา) เรสซิดวลมีความแปรปรวนคงที่
• รูปที่ 11 (ซ้าย) เรสซิดวลมีการแจกแจงแบบปกติ

39. 8. ตัวอย่างงานวิจัย (ต่อ)
4. สรุปผลการวิจัย
ดังนั้นงานวิจัยนี้ได้นาวิธีการวิเคราะห์การถดถอยเชิงเส้นอย่างง่าย ในการพยากรณ์ของปริมาณการใช้วัสดุใน
การบารุงรักษาอุปกรณ์การบิน พบว่า ปริมาณการใช้วัสดุในการบารุงรักษาอุปกรณ์การบินกับชั่วการบินของ
เครื่องบินมีความสัมพันธ์เชิงเส้นกันที่ระดับความเชื่อมั่น 95 % และสามารถนาสมการถดถอยที่ได้ไปพยากรณ์การ
ใช้วัสดุในการบารุงรักษาเครื่องบินได้ถูกต้อง 91.24% คาดคะเนได้อย่างที่มีประสิทธิภาพ
-39-

40. 1. Mendenhall, W. M., & Sincich, T. L. (2016). Statistics for Engineering and the Sciences. Chapman and
Hall/CRC.
2. Montgomery, D. C., & Runger, G. C. (2014). Applied statistics and probability for engineers. John Wiley
and Sons.
3. Devore, J. L. (2011). Probability and Statistics for Engineering and the Sciences. Cengage learning.
4. Ott, R. L., & Longnecker, M. T. (2015). An introduction to statistical methods and data analysis. Nelson
Education.
5. Yang, Y. M., Yue, T. E. N. G., & Zhang, R. L. (2018). Prediction of Maintenance Material Consumption
for Aviation Equipment Using Linear Regression Model. DEStech Transactions on Computer Science
and Engineering, (mso).
อ้างอิง

41. Thank You